Google 的视频模型 Gemini Omni 1.2 Flash 通过 OpenRouter 上线,单次生成时长从 1.1 版的 10 秒提升至 15 秒,支持 360p 至 4K 分辨率、原生音频与横竖屏比例,每秒价格较上代下降约 30%。同一模型还可在 chat completions 中处理文本、图像与视频提示,131K 上下文,输入 $1.50/M、输出 $9/M。
图生视频
Image-to-Video
以静态图像为输入条件生成动态视频序列的技术
收录情报动态
Google 发布 Gemini Omni 1.2 Flash,在 Arena 文生视频榜以 1541 分登顶,较上代提升 27 分,图生视频同样第一、视频编辑第三。新版本将生成与编辑时长上限提升至 15 秒,改善长时序场景一致性与角色口型,并降价 30% 至 720p 每秒 0.07 美元。
Video Rebirth 发布基于 MiniMax H3 的开源 LoRA 微调模型 Hyperflow H3,在图生视频和视频编辑基准测试中分别位列第5和第3。该模型以低于竞品 Dreamina Seedance 2.5 一半的价格提供高质量生成能力,支持 1088p 分辨率。
The Biological Computing Co. 在 OpenRouter 上线名为 mischief-1 的图像转视频模型,该模型基于四年真实脑细胞电极培养研究。用户输入起始图像与提示词即可生成 3 或 5 秒、480p/720p 分辨率的视频片段,定价低至每秒 0.005 美元。
AI 原生影视公司 Utopai Studios 完成 6000 万美元融资,估值突破 10 亿美元。该公司基于 MiniMax H3 定制视频模型 Utopai X,在 Artificial Analysis 全球文生/图生视频盲评中稳居第二,并计划于 2027 年推出多部院线电影以验证其内容生产基础设施的商业价值。
Utopai Studios 发布的视频生成模型 Utopai X 在 Artificial Analysis 的图生视频(I2V)v2.1 基准中位列第二,仅次于 Dreamina Seedance 2.5。该模型基于 MiniMax H3 进行后训练,是目前唯一同时进入文生视频和图生视频前二的模型,并在物理模拟和多场景叙事测试中表现最佳。目前仅通过 PAI 平台提供,无公开 API。
Artificial Analysis 推出 AA-Video-I2V v2.1 及 Silent 版基准,用于评估图像到视频(I2V)模型。该基准基于超过 5.8 万个人类偏好投票,在 1080p 分辨率下从 10 个用例、10 项能力及多种视觉风格对模型进行综合排名,强调生成的一致性与可控性。
fal 推出 FLUX 3 Max,作为 FLUX 3 的后训练版本,在 Artificial Analysis 视频基准测试中表现优异,I2V 排名第 2(统计上与第 1 持平),T2V 排名第 4。该模型支持从文本或图像生成带原生音频的 5-20 秒 720p 视频,生成速度极快(10 秒视频耗时不到 12 秒)。相比基础版 FLUX 3,其定价大幅降低至每分钟 10.20 美元,且在物理模拟和营销场景得分领先。
生数科技推出新一代视频生成模型 Vidu Q4 Preview,核心突破在于支持多达 15 张参考图和 3 段参考音频以统一视觉与听觉特征。该版本显著提升了动态运镜、切镜及复杂镜头衔接能力,并实现最高 4K 分辨率与 10bit 色深输出,单次生成时长可达 16 秒。目前提供 0.09 元/秒起的优惠定价,旨在降低 AI 短剧、广告营销等场景的多版本测试成本。
xAI 推出低成本视频生成模型 Grok Imagine Video 1.5 Lite,在 Artificial Analysis 视频竞技场 T2V v2.0 榜单中位列第 17,超越谷歌 Veo 3.1。该模型以 1080p 分辨率下每秒 0.14 美元的价格(约为 Veo 的三分之一)和 60.5 秒的中位生成时间,成功占据质量与速度的帕累托前沿位置。它在多场景叙事、光照材质及文本渲染等特定用例中表现接近顶级水平,为开发者提供了高性价比的视频生成选项。